[發明專利]設備材料力學性能測試方法、系統、介質、計算機設備

在審

• 申請號: 202010767200.5
• 申請日: 2020-08-03
• 公開（公告）號: CN111950099A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 曹宇光;宋明;李旭陽;馬帥;吳瓊;甄瑩
• 申請（專利權）人: 中國石油大學（華東)
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/23;G06F30/27;G06N3/08;G06N3/12;G06F119/14
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 盛君梅

本發明屬于設備材料力學性能微損測試技術領域，公開了一種設備材料力學性能測試方法、系統、介質、計算機設備，BP神經網絡可對大量數據進行計算，在不同數據之間建立關聯關系，具有計算速度快、結果準確、適用性廣的特點；利用遺傳算法對BP神經網絡訓練過程進行優化，提高網絡的訓練速度與精度；排除試驗所用材料、試驗機結構、尺寸、加載方式等因素對結果的影響，使結果更加準確；可直接從在役設備表面取出小沖桿試樣，將小沖桿試驗結果代入訓練好的BP神經網絡便可得到材料力學性能參數。本發明成本低、結果準確、適用性廣。訓練完成的BP神經網絡可應用于在役設備材料力學性能預測，為評估其結構完整性與預測其剩余壽命提供依據。

技術領域

本發明屬于設備材料力學性能微損測試技術領域，尤其涉及一種設備材料力學性能測試方法、系統、介質、計算機設備。

背景技術

目前，核能、電力、石油化工等領域有很多高危的設施，所以其中的一些結構設計都是按比較保守的原則來設計的。隨著時間的推移部分設備的運行時間即將到達設計的壽命，于是，人們面臨停止使用或繼續運行的選擇。因此，必須對在役結構的材料力學性能進行測試。由于這些材料長期處于高溫、高壓、輻照等條件下運行，其材料可能會發生劣化和損傷，導致安全事故的發生。因此在服役一段時間以后，需要確定在役設備材料的性能有沒有變化，以便確定這些結構能否延壽安全運行。常規力學性能評價方法如單軸拉伸試驗、緊湊拉伸試驗等，雖可直接得到材料彈性模量、屈服強度、抗拉強度與斷裂韌性等材料力學性能參數，但試驗所需試樣尺寸較大，通常需要對設備進行破壞性取樣，極易導致設備停機或直接報廢。因此，為了獲得在役設備材料力學性能，并盡可能降低損失與成本，微損試樣試驗測試方法得到迅速發展。

小沖桿試驗(Small Punch Test，SPT)是一種近乎“無損”的微型試樣試驗方法，通過試驗可以得到試樣中心點的載荷-位移曲線、斷口相關數據等，其中包含了材料的彈塑性變形行為與斷裂特征。眾多學者基于自己的試驗結果均采用經驗關聯的方式給出獲取材料強度和斷裂韌性等力學性能參數的關聯公式，然而由于試驗所用材料、試驗機結構、尺寸、加載方式，以及小沖桿試驗載荷-位移曲線上屈服載荷定義方法的差異，通過試驗數據擬合得到的經驗公式也不盡相同，彼此之間并能不通用，造成重復研究與研究資源的浪費。因此，亟待找到更合理和有效的方法關聯小沖桿試驗結果與常規試驗結果。

人工智能BP神經網絡可以處理大量多元非線性數據，在不同數據之間建立關聯關系，相較于常規經驗關聯法，具有計算速度快、結果準確、適用性廣的特點，使更加準確、方便地獲取材料力學性能參數成為可能。但是BP神經網絡是基于梯度的最速下降法，以誤差平方為目標函數，所以存在著訓練容易陷入局部極小值、學習過程收斂速度慢、網絡結構難以確定等缺陷。另外，網絡結構、初始連接權值和閾值的選擇對網絡訓練的影響很大，但是又無法準確獲得，針對這些特點可以采用遺傳算法對神經網絡進行優化。遺傳算法是模擬生物在自然界環境中的遺傳和進化過程而形成的一種自適應全局優化概率搜索算法，即通過對生物遺傳和進化過程中選擇、交叉、變異機理的模仿，完成對問題最優解的自適應搜索過程。因此可以通過遺傳算法對BP神經網絡的初始權值和閾值進行優化，使優化后的BP神經網絡能夠更好的進行樣本預測。

現有標準試驗雖然可直接得到材料的力學性能，但試樣尺寸較大，對在役設備取樣會造成無法修復的損傷。利用小沖桿試驗與標準試驗相關聯獲得材料力學性能對設備損傷較小，但由于試驗所用材料、試驗機結構、尺寸、加載方式，以及小沖桿試驗載荷-位移曲線上屈服載荷定義方法的差異，通過試驗數據擬合得到的經驗公式也不盡相同，彼此之間并能不通用，造成研究資源的浪費。

通過上述分析，現有技術存在的問題及缺陷為：

(1)現有標準試驗雖然可直接得到材料的力學性能，但試樣尺寸較大，對在役設備取樣會造成無法修復的損傷。

(2)現有利用小沖桿試驗與標準試驗相關聯獲得材料力學性能的方法較為流行，但通過試驗數據擬合得到的經驗公式不盡相同，彼此之間并能不通用，造成資源的浪費。

解決以上問題及缺陷的難度為：